ESTIMACIÓN DE LA EMISIÓN DE GASES DE EFECTO INVERNADERO POR
INCENDIOS FORESTALES UTILIZANDO IMÁGENES MODIS.1
Kelly Johana Salcedo Alvarez
Sergio David Escobar Mesa
RESUMEN
Los incendios forestales han aumentado drásticamente en las ultimas decadas aportando
gran cantidad de gases de efecto invernadero -GEI. Hoy día es fundamental buscar
metodoligias practicas y economicas que permitan estimar dichas emisiones, por lo que en
este trabajo se utilizaron imágenes MODIS. Las imágenes utilizadas son del mes de
septiembre de 2009 y el producto MOD13Q1 (producto del satélite Terra). Los Tiles h9v9,
h10v7, h10v8, h10v9, h11v7, h11v8 y h11v9. Para estimar las emisiones se utilizó la
ecuación aplicada por (Anaya, Chuvieco & Palacios), la cual involucra como variables el
area quemada, carga de combustible, integridad de la combustión y factores de emisión. Se
aplicó un índice de diferencia normalizada de vegetación NDVI para estimar el área
quemada, las otras variables se tomaron de estudios existentes y a través la calculadora
raster, se obtuvieron los valores con las estimaciones de los GEI.
Palabras claves: Incendios forestales, Emisiones, MODIS, GEI, NDVI.
______________________________ 1Artículo presentado para optar al título de Especialista en Sistemas de Información Geográfica, Facultad de Ingenierías, Universidad de San Buenaventura Seccional Medellín, 2014. Asesor MSc German Mauricio Valencia Hernandez.
ABSTRACT
Forest fires have increased dramatically in recent decades bringing lots of Greenhouse
Gases - GHGs. Today it is essential to find practical and economic methodologies to
estimate these emissions, so in this paper MODIS images were used. Images used are for
September 2009 and the MOD13Q1 product (Terra satellite product). The Tiles h9v9,
h10v7, h10v8, h10v9, h11v7, h11v8 and h11v9. To estimate emissions the equation applied
by (Anaya, Chuvieco & Palacios) was used, which involves as variables the burned area,
fuel loads, combustion integrity and emission factors. An index of normalized difference
vegetation NDVI was also applied to estimate the area burned. The other variables were
taken from existing studies and through the raster calculator, values with estimates of GHG
were obtained.
Keywords: Forest fires , Emissions, MODIS, GHG, NDVI.
INTRODUCCIÓN
El fuego siempre ha sido causante de perturbaciones naturales, es un fenómeno estacional
cuyos picos se asocian a la estación seca que influye en los patrones y procesos del
ecosistema, así como el mantenimiento de la diversidad, la productividad y los ecosistemas
de reciclaje de nutrientes en todo el mundo. También es utilizado como una herramienta de
gestión para el manejo forestal y el desmonte para la mejora del pastoreo. A pesar de su
reconocida importancia, hay una gran falta de conocimiento sobre el papel del fuego en los
procesos del sistema terrestre y su gama completa de los cambios ambientales en nuestro
planeta. Los incendios que se producen en las regiones tropicales se han convertido
recientemente en un tema importante, dado su gran impacto en la estructura del ecosistema
tropical (Armentaras, Retana, Molowny, Roman, Gonzalez & Morales, 2011).
En las últimas décadas el número de incendios forestales ha aumentado drásticamente,
debido por un lado a los fuertes veranos que propician las condiones climatológicas y de
humedad favorables para que estos se presenten y desarrollen y por el otro lado los que se
generan por el hombre para limpiar las zonas deforestadas que después se convertirán en
campos de cultivos (Saldanha et al., 2013). Este tipo de Incendios se han convertido en uno
de los principales contribuyentes al cambio climático debido a que con ellos se liberan
gases de efecto invernadero como el dióxido de carbono (CO2), monóxido de carbono
(CO), metano (CH4), óxidos de nitrógeno (NOx), amoníaco (NH3), partículas (PM),
hidrocarburos no metano (NMHC) y otras especies químicas, causando impactos, en la
calidad del aire (Langmann, Duncan, Textor, Trentmann & Van der Werf, 2009) y en la
salud humana (Crutzen & Andreae,1990). Estos impactos en la calidad del aire no solo se
dan en la zona donde ocurren los incendios, éstos impactan a nivel regional y global.,
ocasionando graves daños materiales y afectando a diversos espacios como parques y
reservas forestales protegidos (Huesca et al.(2008). Por diversas razones los incendios
forestales cauzan impactos en la calidad del aire en la zona donde ocurren, si no que pueden
afectar regiones incluso hasta de otros continentes, generando impactos a nivel a nivel
regional y global, por ejemplo, se ha demostrado que las masas de aire contaminadas
resultantes de los incendios en Brasil pueden ser transportadas a la zona tropical del
Atlántico hacia África y el Océano Índico; trazas procedentes de los incendios de Alaska en
2004 también se han detectado en Europa (Mieville et al., Petron, 2010) ya que los
contaminantes no se confinan donde ocurren los incendios sino que viajan a través del aire.
En los estados de la india es frecuente la quema de residuos agricolas como preparación de
los suelos para nuevas cosechaslo cual genera contaminación en los estados en los cuales se
realizan estas actividades y por transporte de material particulado en otros estados
diferentes a los del origen del evento.(Krishna Prasad Vardrevu, Ellicot, Badarinath &
Vermote, 2011).
El hombre ha participado de manera significativa en la alteración del ciclo global del
carbono, el cual se ha visto alterado por efectos de la quema de combustibles fósiles, lo cual
ha llevado al incremento de los niveles de CO2 en la atmosfera (Zomer, Trabucco, Bossio
& Verchot, 2008) y por el cambio de uso del suelo (Soares et al., 2011) en la continua
búsqueda de nuevas tierras para la expansión agrícola, a través de la quema y tumba de
bosques lo cual trae como consecuencia la deforestación.
De acuerdo a (Soares et al., 2011) la quema de biomasa, se produjo un promedio anual de
emisiones de dióxido de carbono de 2.714 Tg C/año durante el periodo de 1997-2005,
estos valores se pueden comparar a con los producidos por la combustión de combustibles
fósiles, la producción de cemento, y la quema de gas con un valor de 8180 Tg C / año. El
CO 2 emitido por la combustión de biomasa es equivalente a alrededor del 12% del
CO 2 emitido por el uso de combustibles fósiles (Soares et al., 2011). La mecanización de
tierras para el uso agrícola ha alterado la física y la química de los suelos, las condiciones
climáticas y el almacenamiento de carbono en los ecosistemas forestales perturbados (Pan,
Birdsey, Hom & McCullough, 2009).
En este trabajo se pretende desarrollar una propuesta metodológica para la estimación de
emisiones por incendios forestales a partir de imágenes satelitales (MODIS). Este
documento esta dividido en cuatro partes, las cuales son: Estado del arte, Metodología,
Resultados, Conclusiones, con las cuales se pretende revizar antecedentes del uso de los
sensores remotos en estudios ambientales, especialmente en el calculo de emisiones por
incendios forestales, elegir una metodología y a travez de ella estimar las emisiones por
incendios forestales en colombia utilizado imágenes MODIS.
ESTADO DEL ARTE
Dados los continuos cambios climáticos causados por el efecto invernadero que a simple
vista han sido apreciados por el hombre, la comunidad científica en el mundo actual le está
dando especial importancia a todo lo referente al medio ambiente, sus cambios y todo lo
que éste involucra (Liberato, Paoletti & DaCamara) ya que los ecosistemas naturales y
algunos artificiales como las plantaciones forestales desempeñan un papel muy importante
en la regulación y el ciclo del carbono, ya que en estos se presentan los intercambios con la
atmosfera y las actividades biológicas como son la fotosíntesis, la respiración,
descomposición y combustión (Garcia, Riaño, Chuvieco & Danson, 2010).
Un mecanismo generado por los países desarrollados y por los países en vía de desarrollo
que busca controlar y mitigar las emisiones de gases tipo efecto invernadero (GEl) es el
tratado de Kioto y su anexo Mecanismos de Desarrollo Limpio (Zomer, Trabucco, Bossio
& Verchot, 2008)
A nivel mundial el ser humano es el principal aportante de gases de efecto invernadero
(GEI) con un aporte del 80% de las emisiones globales de gases tipo efecto invernadero y
es el responsable de un 75% del consumo de la energía mundial. Es probable que estos
valores aumenten debido a la expansión de los centros poblados en los países en vía de
desarrollo, al aumento de la población a nivel mundial y la mayor disponibilidad de autos
(Bansha & Akbar, 2012).
Desde hace unos años el uso de los Sistemas de Información Geográficos se ha venido
incrementando de tal manera que prácticamente todo se puede georreferenciar. Hoy en día
existen herramientas de fácil acceso en las que podemos encontrar con facilidad la
localización de lugares de interés como hospitales, escuelas, pero el uso más común o el
área en que quizás más provecho se le ha sacado a los SIG ha sido en ejercicios de
ordenamiento territorial en los cuales se realiza la planificación del uso del suelo teniendo
en cuenta principios de desarrollo sostenible que buscan involucrar los factores
ambientales, sociales y económicos que influyen en el territorio, con el fin de solucionar los
conflictos de uso del suelo que se presentan basados en SIG y técnicas multicriterios que
tienen en cuenta los intereses de los actores y las propuestas de los planificadores (Zhang,
Li & Fung, 2012).
En el área ambiental frecuentemente se usan los SIG como herramienta para estudiar
diversos temas de interés, desde el monitoreo de animales, cambios en las coberturas
vegetales y análisis de adecuabilidad en los que se busca darle el mejor uso al suelo y con
base a estos se localizan lugares apropiados para algún tipo de actividad de acuerdo a las
características de la zona, a lo requerido y a la experiencia del planificador (Perpiña,
Martínez & Pérez, 2012). Estas tecnologías son muy útiles ya que aportan información
valiosa para la el conocimiento de las condiciones de la zona de estudio en la toma
decisiones y el análisis en sobre los diferentes factores que influyen en ella (Liu et al.,
2010).
Un estudio realizado a nivel mundial con las herramientas y tecnología SIG genero un
informe valioso en el cual se hace referencia a las áreas potenciales de siembra de
plantaciones forestales que cumplen con los requerimientos del protocolo de Kioto en
cuanto clima, calidad del suelo y altura sobre el nivel del mar, lo cual es una herramienta
muy útil para garantizar la inversión en proyectos como captura de carbono (Zomer,
Trabucco, Bossio & Verchot, 2008).
Una de las aplicaciones importantes de los SIG se ha dado en la estimación de las
emisiones de gases de efecto invernadero en los que se ha encontrado que los cambios en el
uso del suelo, generan no solo liberación de CO2 sino también de otras sustancias
asociadas a la quema de los productos derivados de la tala que se realiza para la
implementación de otras actividades en el área (Jong et al., 2010).
La combinación de tecnologías como los SIG y los sensores remotos se han venido
implementando para el análisis de diversos factores de interés, entre ellos el monitoreo de
los cultivos y el análisis de la degradación ambiental que se pueden presentar por los
cultivos como la erosión y la pérdida de biodiversidad debido a los monocultivos. Estos
estudios se realizan procesando imágenes MODIS de diferentes años y observando los
cambios en los cultivos tanto en el área como en los tipos de cultivo, (Lunetta, Shao,
Ediriwickrema & Lyon, 2010) ,también existen estudios en los que se han usado modelos
topográficos, teledetección y sensores remotos (imágenes MODIS) para intentar descifrar
como las características fisiográficas del terreno influyen en las variaciones climáticas del
mismo (Pouteau et al, 2011), así como también para estimar la captación de CO2 por parte
de los bosques tanto naturales como plantados y para determinar la captura de carbono por
la barreras cortavientos utilizadas en campos agrícolas con imágenes satelitales Quickbird
(Czerepowicz, Case & Doscher, 2012).
Los bosques contribuyen de manera natural a la reducción de los gases de efecto
invernadero de la atmósfera, lo que disminuye la magnitud del cambio climático global. Por
lo tanto los inventarios de gases de efecto invernadero y los programas de reducción de
emisiones requieren ser monitoreados a través de métodos científicos que permitan obtener
valores confiables, con costos más bajos que los incurridos al realizar mediciones directas a
través de inventarios forestales. Esto se puede lograr a través de la teledetección calibrada
con mediciones de campo. Uno de los métodos comúnmente usados para calcular el
carbono forestal como el producto de áreas de superficie de los diferentes tipos de cobertura
terrestre, es en el que se realiza una clasificación por imágenes de satélite con moderadas
resoluciones espectrales o espaciales, por ejemplo Landsat y MODIS, y la masa de carbono
por unidad de área (densidad de carbono), derivado de las medidas de árboles en campo y
las ecuaciones alométricas, sumados por todos los tipos de cobertura del suelos. Otra de las
tecnologías usadas que produce estimaciones más exactas, son los métodos Lidar pero
debido a sus altos costos su uso no se ha generalizado (Gonzalez et al, 2010).
Los incendios forestales son uno de los principales contaminantes de la atmosfera al lado de
la quema de combustibles fósiles, por tanto se ha convertido en un tema global puesto que
esta contaminación afecta el ciclo del agua (Ramanathan & Feng, 2009) y adicionalmente
el ciclo del carbono (Conrd & Ivanova, 1997) se ve afectado y alterado en estos continuos
actos de tala e incendios forestales realizados por el hombre buscando la expansión agrícola
(Houghton, 2012). Estas afectaciones sobre la calidad del aire se han asociado al
calentamiento global y por ello se han venido estudiando en muchos países y con diferentes
metodologías.
En Rusia, se han realizado estudios para estimar las emisiones de carbono debido a los
incendios en los bosques boreales, ya que estos contienen alrededor del 25 % del carbono
terrestre mundial (Zhang, Wooster, Tutubalina, Solman, Miranda & Borrego, 2011). En
estos estudios se encontró que la mayor fuente potencial de error en las estimaciones de
emisiones de carbono de los incendios es la imprecisión en las estimaciones del área
quemada puesto que algunos incendios son solo superficiales con lo cual las emisiones por
estos incendios serian menor que las de un incendio de mayor intensidad, además porque el
uso de tecnologías como datos satelitales aun no estaban disponibles (Conard & Ivanova,
1997). Sin embargo en estudios posteriores se empezaron a integrar los primeros cálculos
basados en satélites utilizando datos SPOT, con una metodología única y estandarizada (a
través de los cambios de reflectancia espectral en diferentes épocas.) para cartografiar y
calcular las áreas quemadas con un tamaño de hasta 2 km2. Aunque existen varios
fenómenos que pueden provocar la que la reflectacia disminuya de manera similar a como
lo hace por la acción del fuego (como la presencia de nieve, sombras de nubes u otros), el
análisis espectral puede ayudar aún más en la discriminación de las verdaderas zonas
quemadas. Para minimizar los errores se tuvieron en cuenta datos de pre y post incendios.
El uso de la teledetección es un método rentable y viable para recopilar información de los
incendios en zonas tan grandes y tan remotas como las de Rusia (Zhang et al., 2011).
El uso de los sensores remotos como las Imágenes LANSAT se han venido masificando, lo
que ha servido de apoyo a los estudios de los efectos de los incendios forestales en las
emisiones de gases (GEI) (Carvalho, Monteiro, Flannigan, Solman, Miranda & Borrego,
2011) estos también se han estudiado con imágenes MODIS, a través de las cuales se han
detectado la cantidad de incendios con una precisión de la detección de incendios hasta del
90% e incluso superior (Wang, Zhou & L. Wang, 2003) encontrando con ellas el índice
potencial de incendio que muestra la probabilidad de ocurrencia de los incendios
(Freeborn, Wooster & Roberts, 2011) estas imágenes proporcionan rutinariamente la
ubicación de los incendios que se observa bajo el paso del satélite con una resolución
espacial de 1 km; la cobertura casi mundial de estas observaciones ha permitido una mejor
identificación de la variabilidad interanual de los incendios a escala mundial en los últimos
años (Mieville, Granier, Liousse, Guillaume, Mouillot, Lamarque, Grégoire & Petron,
2010). En algunos estudios utilizando los SIG y los sensores remotos para localizar los
incendios, evaluar los desastres producidos y a su vez asociarlos a una posible causa
encontrando como las principales las antropogenicas como las prácticas de quemas para la
implementación de cultivos y la regeneración de pastos entre otras (Dlamini, 2009) con esta
combinación también se han estimado las áreas quemadas por incendios forestales (
Merino, Huesca & Gonzáles, 2010) y a su vez las emisiones de gases de efecto
invernadero.
En el norte de India la quema de residuos agrícolas es considerada una de las principales
causas de las emisiones de gases de efecto invernadero. La quema a campo abierto de
residuos agrícolas es una práctica generalizada que se utiliza para limpiar la tierra para la
próxima cosecha, controlar malezas y enriquecer los nutrientes del suelo. Para caracterizar
el impacto de estas prácticas se han utilizado imágenes MERIS y MODIS, con las MERIS
se realizó la caracterización de los eventos de fuego en el paisaje, con las MODIS se
identificaron los incendios activos basados en el FRP (poder radiactivo del fuego) y el FRE
(energía radioactiva del fuego) para la cuantificación de la cantidad de biomasa quemada
(Vadrevu, Ellicott, Badarinath & Vermote, 2011).
El uso de imágenes MODIS también se viene implementando para detectar, prevenir
(Maeda, Formaggio, Shimabukuro, Balue & Hansen, 2009) y cuantificar las emisiones de
gases y partículas que se producen en los incendios forestales (Langmann, Duncan, Textor,
Trentmann & Van der Werf, 2009) a través del análisis de los cambios espectrales de las
imágenes en diferentes periodos antes de la ocurrencia de incendios mediante los valores
del índice de diferencia normalizada de vegetación (NDVI). Los componentes dominantes
de las emisiones de incendios forestales se liberan en forma de carbono con CO 2 y CO
(aproximadamente el 90-95% del carbono total emitido). La mayor parte del carbono
restante se compone de CH4 y otros compuestos volátiles orgánicos de carbono (Langmann,
Duncan, Textor, Trentmann & Van der Werf, 2009).
El uso cada vez más frecuente de imágenes MODIS se debe a que sus datos cuentan con
una alta sensibilidad radiométrica, buena calidad geométrica, alta resolución temporal, y
son distribuidos de manera gratuita a través de diferentes portales de internet. (Mas, 2011).
Entre los estudios que han usado imágenes MODIS a nivel mundial en temas como la
evaluación de elementos contaminantes y particulas en suspensión generados por incendios
forestales reportados por (Vadrevu, Ellicott, Badarinath & Vermote, 2011) se encuentran
el caso de la India. La medición de areas y cuantificación de contaminantes generados en el
mediterraneo por incendios forestales (Wiedinmyer et al). Quayle, Geron, Belote,
Mckenzie, Xiaoyang, O´neill, Wynne ). Otro caso exitoso es el resultado obtenido de
coberturas vegetales basados y apoyados en mosaicos MERIS, el cual obtuvo como
resultado 22 tipos de coverturas vegetales y que fue adoptado por las Naciones Unidas
como clasificación de coberturas (LCCS). (Vadrevu, Ellicott, Badarinath & Vermote,
2011).
Estudios realizados por la antigua Rusia en la decada del 90, mostarron la gran imprtancia
de la medión de las areas de los incendios para la cuentificación de los gases efecto
invernadero apoyados en imágenes satelitales. (Conard e Ivanova, 1997.)
En los estados Unidos de America se realizo estudio para la modelación de la calidad del
aire encontrando diferencias significativas con otros estudios realizados.( Wiedinmyer et
al.2006).
En Suramérica algunos países han iniciado su carrera tendiente a tener inicialmente satélites
en órbita, que de alguna manera les permitirán desarrollar investigaciones, controles y
seguimientos de diferentes índoles, que a su vez redundan en seguridad, producción y
prevención.
Brasil en especial por ser un país considerado ya potencia viene desde ya desde hace varios
años fortaleciendo su plataforma satelital, lo que lo pone en primer lugar Suramericano y a
la vanguardia a nivel mundial en lo referente a investigaciones , controles y monitoreo de
aspectos tan importantes a nivel mundial y local como cambios climáticos, fenómenos
como el de la niña y el niño, tasas de deforestación del amazonas, minería, coberturas
vegetales, cultivos(agricultura), cultivos ilícitos, contaminación ambiental y otros aspectos
de vital importancia para los diferentes países en el mundo.
Una respuesta a estos avances en la industria satelital es la creación de diversas entidades
estatales Brasileras que facilitan a la comunidad internacional que lo requiera acceder a
información real, veraz, alguna en tiempo real para la toma de decisiones en áreas como la
agricultura, diseño de vías, la industria hidroeléctrica, minería y el seguimiento y monitoreo
de áreas boscosas en protección (amazonas), áreas cultivadas, inundaciones, sequias,
cambios climáticos, contaminación y otras más por implementar.
En este sentido el Ministerio de ciencia, tecnología e innovación de Brazil creo el INPE
(INSTITUTO NACIONAL DE PESQUISAS ESPACIALES). El cual cuenta con una
página que permite obtener información en cifras y mapas de predicciones o riesgos de
fuego, focos de calor, temperatura, precipitación, mapas temáticos de tipos de cobertura
vegetal, ríos, topografía, etc (http://www.inpe.br/).
Estudios realizados en Brasil en el estado de Amazonas durante el periodo seco de 2005, en
el cual se usaron 24 escenas Landsat-5 TM, con un total de 8 escenas de cada año desde el
2004 hasta el 2006, permitieron una aproximación a la estimación del área quemada y las
emiciones potenciales de carbono.
En Colombia también se vienen realizando trabajos que han contribuido a entender el
funcionamiento y procesamiento de imágenes satelitales obtenidas del sensor remoto
MODIS de la NASA (Rodriguez & Arredondo, 2005) y la aplicación de estos en diferentes
ámbitos como en los estudios de incendios forestales, de praderas y residuos de cultivo, sus
mediciones de áreas y cálculos de los gases generados en estos eventos de estudio en
diversas partes del mundo, brindando así una aproximación a las diversas metodologías que
han sido planteadas y evaluadas por la comunidad científica en cuanto a la medición de
gases efecto invernadero y CO2 (Taborda,2013).
Mas recientemente en Colombia se usaron las imágenes Modis para la cuantificación de
áreas inundadas en la mas reciente época invernal del año 2010 , lo cual permitio evaluar
día a día las hectareas afectadas por esta ola invernal y el momento en el cual se
recuperaron para su uso normal con el apoyo de la entidad IDEAM. (Navia & Baquero).
Además se ha venido implementando el uso y aplicación de imágenes MODIS en la
realización investigaciones y diversas aplicaciones en varios campos entre las cuales se
destacan estudios para estimar en qué medida los patrones espaciales y temporales de la
quema de vegetación podría ser explicado por la variación regional y climática (Armentaras
et al., 2011). Para realizar actualización de coberturas vegetales utilizando el producto
MODIS MOD13Q usado para el NDVI (Rincón, Jarvis & Mulligan) y realizar la
clasificación diferentes coberturas terrestres a través de una red neuronal, mediante la
implementación de un algoritmo matemático en ENVI, un software que permite la
manipulación, análisis e interpretación de imágenes de satélite (Barrero & Giraldo, 2012).
En investigaciones para determinar la concentración de clorofila donde los datos de
concentración de clorofila, se validan con respecto a datos in situ obtenidos en expediciones
oceanográficas en la Cuenca Pacífica Colombiana y sus áreas insulares (Bastidasa &
Rodriguez, 2006). En el monitoreo de cuerpos de agua basados en índices de vegetación
obtenidos con productos MODIS (Navia & Baquero).
En la actualidad el Área Metropolitana de Medellín viene realizando un protocolo de
incendios forestales como mecanismo piloto a nivel de los cuerpos de bomberos del país la
cual involucra mediciónes de terreno afectado por el incendio , tipo de vegetación de
acuerdo al tipo de cobertura establecida por el Instituto Geografico Agustin Codazzi. Este
se encuentra en revisión y ajustes por el IDEM y una ves se autorice ser utilizado se
evaluara su eficiencia. Una vez superada la segunda etapa se sugerirá por parte del autor de
este trabajo pasar al uso de imágenes MODIS teniendo las coordenadas del incendio para
ser evaluado por el sistema propuesto en este documento. Se iran dando conocer los
avances por parte del Área Metropolitana e IDEAM. La justificación de estos protocolos
radica en la eficiencia en tiempo, la veracidad del área y los resultados que se pueden emitir
de contaminantes atmosféricos producidos en incendios forestaloes. Lo anterior esta en
periodo de desarrollo debido a lo lento de los tramites para aceptar los protocolos de parte
de las entidades estatales.
En Colombia cada año se presentan muchos incendios forestales de manera dispersa en
varios departamentos, pero el tamaño de estos no es lo suficientemente grande para ser
observados con imágenes satelitales de 250 metros de resolución espacial, si dichos
incendios se presentaran en el mismo lugar, tendrían el tamaño para ser vistos con las
imágenes satelitales de 250 metros de resolución espacial, como es el caso del producto
MOD13 Q1 utilizado en este trabajo. Es por ello que se debe mezclar la toma de
información en campo (áreas quemadas por una entidad estatal) con las imágenes
satelitales.
MARCO TEÓRICO
SENSOR MODIS
El sensor MODIS es parte de un programa de investigación denominado EOS (Earth
Observing System), programa constituido por la NASA. Las imágenes de MODIS son
tomadas en dos satélites, Terra lanzado en 1999, este lleva consigo cinco sensores, la órbita
de este es en sentido norte sur y pasa por el ecuador en la mañana aproximadamente a las
10:30 am / pm y Aqua, es otro satélite que tiene instalado un sensor que captura imágenes
MODIS, este a diferencia de Terra, recorre la tierra de Sur a Norte atravesando el Ecuador
en la tarde 1:30 pm / am, complementando la información obtenida por el satélite Terra
(Barrero & Giraldo, 2012).
Características técnicas del sensor MODIS y de las imagenes.
El sensor MODIS fue diseñado con unas características técnicas que permiten que capte los
datos y que definen la calidad de estos. Tal como se muestra a continuación (Hinestroza,
2012).
Orbita: 705 km, 10:30 am nodo descendente (TERRA), o 1:30 pm nodo ascendente
(AQUA), sincronización con el sol circular cercana a la polar.
Rata de exploración: 20.3 rpm.
Escuadra de captura de datos: 2330 km, por 10 km. (a lo largo de la huella del nadir).
Dimensiones del telescopio: 17.78 cm de diámetro afocal fuera del eje con parada de
campo intermedio.
Medidas: 1m x 1.6m x 1m
Peso: 228.7 kg.
Potencia: 162.5 W (promedio orbital).
Tasa de datos: 10.6 Mbps (pico en el día), 6.1 Mbps (promedio orbital).
Periodo de diseño: 6 años.
Las anteriores especificaciones técnicas del sensor dan como resultado que las imágenes
tengan las siguientes características (Barrero & Giraldo, 2012).
Una alta resolución radiométrica tomando las imágenes en 12 bits
Resolución espectral de 36 bandas, que se extienden desde 0.4 µm a los 14.4 µm.
Resolución espacial, dos bandas tienen una resolución espacial de 250 m, otras cinco
bandas tienen una resolución de 500 m, y las 26 bandas restantes tienen una resolución de 1
Km.
Resolución temporal, 1 a 2 días.
DATOS MODIS
Los datos MODIS, sirven para la elaboración de una gran variedad de productos enfocados
al estudio de los océanos (MOcean), la atmósfera (MODIS Atmosphere), la criósfera y las
cubiertas terrestres (MODLAND) para la realización de este trabajo se utilizaron productos
MODLAN. Estos se dividirse en tres grandes grupos como se muestra a continuación (
Mas, 2011).
• Las variables relacionadas con el balance de energía: la reflectancia de la superficie
(MOD09), la cobertura de nieve (MOD10), la temperatura y la emisividad de la superficie
terrestre (MOD11), el albedo y la función de la distribución de la reflectancia bi-direccional
(MOD43) ( Mas, 2011).
• Las variables biofísicas relacionadas con la vegetación: los índices de vegetación
(MOD13), el índice de área foliar o LAI por sus siglas en inglés y la fracción de radiación
activa fotosintética FPAR (MOD15) y la producción primaria (MOD17) ( Mas, 2011).
• Las variables relacionadas con las características de la cobertura terrestre: coberturas del
suelo (MOD12), puntos de calor e incendios (MOD14), conversión de la cobertura vegetal
y fracción de vegetación (MOD44) y finalmente áreas quemadas (MCD45).
El producto MOD13 presenta dos índices de vegetación (IV): El índice de vegetación de
diferencia normalizada (NDVI) y el índice de vegetación mejorado (EVI). El NDVI se
produce mediante el cálculo del cociente normalizado de la banda del infrarrojo cercano y
la banda del rojo. Además contiene las bandas del Rojo y del Infrarrojo cercano con las
cuales se puede realizar el calculo del NDVI en este trabajo se trabajo con estas bandas y se
realizó el calculo del NDVI ( Mas, 2011).
Entre las variables relacionadas con el balance de energía tenemos:
MOD09 – Reflactancia de la superficie: Este producto es una evaluación de la reflactancia
de las cubiertas terrestres. La estimación de la reflactancia se lleva a cabo para todos los
pixeles sin nubes para las siete primeras bandas del sensor MODIS. Se elabora en base a
diferentes resoluciones espaciales y temporales. (Mas, 2011)
MOD10 – Cobertura de Nieve: Indica la extención y la cobertura fraccional de nieve. La
cobertura de nieve es un parámetro primordial para el balance de energía global ya que esta
relfeja gran parte de la energía solar incidente. Tambien es importante para el modelo
hidrológico ya que el deshielo aporta agua a muchas corrientes. Este producto también
indica la presencia de hielo en los lagos continentales. La elaboración de este producto se
basa en la diferencia normalizada de las bandas del visible del infrarrojo cercano. Se
elabora en base a diferentes resoluciones espaciales y temporales. (Mas, 2011)
MOD11 – Temperatura y emisividad de la superficie terrestre: Brinda estimaciones de la
temperatura y la emisividad diurna y nocturna de las coberturas terrestres. La temperatura
se mide en grados kelvin al contacto entre la cobertura y la atmosfera. Estos productos
tienen una resolución espacial de 1.000 m con base diaria y cada 8 diás. (Mas, 2011)
MOD43 - BRDF/Albedo: La serie de productos MOD43 describe el albedo, los parámetros
de distribución de la función de reflectancia bidirectional (BRDF por sus siglas en inglés)
que caracteriza la anisotropía de las coberturas del suelo y la reflectancia corregida por esta
función. Este producto se genera a partir de los datos Terra y Aqua combinados es un
compuesto de 16 días que se produce cada 8 días. (Mas, 2011)
MOD13 - Índices de vegetación: Presenta dos índices de vegetación (IV): El índice de
vegetación de diferencia normalizada (NDVI) y el índice de vegetación mejorado (EVI). El
NDVI se produce mediante el cálculo del cociente normalizado de la banda del infrarrojo
cercano y la banda del rojo. Este es producto se realiza a partir de un compuesto de 16 días
(Mas, 2011), con el NDVI realizamos el calculo del área quemada para nuestro estudio.
MOD15 - Índice de área foliar/fracción de radiación activa fotosintética absorbida por la
vegetación: Este producto presenta el índice de área foliar (LAI) y la fracción de radiación
activa fotosintética absorbida por la vegetación (FPAR). El LAI define una propiedad
estructural importante del dosel que es el área total de la superficie superior de las hojas por
área de unidad de terreno. El FPAR mide la proporción de radiación disponible en las
longitudes de onda de la radiación fotosintéticamente activa (400 a 700 nm) que el dosel
absorbe. LAI y FPAR son variables biofísicas que describen la estructura del dosel y se
relacionan con tasas de energía de procesos funcionales, es un producto de un kilómetro
elaborados en compuestos de 8 días. (Mas, 2011).
MOD17 - Producción primaria bruta y neta: Este producto brinda una estimación de la
producción primaria bruta y neta de un ecosistema. Tiene una resolución espacial de un
kilómetro y una resolución temporal de 8 días (Mas, 2011).
MOD12 - Coberturas del suelo: Este producto es un mapa de coberturas del suelo con
varios sistemas clasificatorios, brinda información sobre la dinámica de las coberturas
caracterizando ciclos fenológicos. Este es un producto combinado de Terra y Aqua y se
obtiene a partir de una clasificación supervisada obtenida con árboles de decisión
cambiando la distribución de los ejemplos de entrenamiento (Boosting), lo cual permite
estimar las probabilidades condicionales de cada categoría para cada pixel, los datos de
entrenamiento son de todo el mundo y representativos de la variabilidad geográfica y
ecológica de las coberturas del suelo. (Mas, 2011).
MOD14- Puntos de calor / incendios: Este producto indica las anomalías térmicas , o
puntos de calor, los cuales se deben generalmente a quemás agrícolas e incendios. La
estrategia de detección de puntos de calor se basa en una detección absoluta si las
temperaturas de brillantez son suficientemente altas y en una detección relativa (contraste
con el entorno) para tomar en cuenta la variabilidad de la temperatura de la superficie y la
reflexión de las radiaciones solares. Estos productos tienen una resolución espacial de un
kilómetro y una resolución temporal tanto diaria (MOD14A1) como de 8 días (MOD14A2)
(Mas, 2011).
MOD44 -Conversión de la cobertura vegetal y campos continuos de vegetación: Registra
cambios en la cobertura del suelo se enfocan principalmente en la deforestación, se esta
trabajando para que pueda utilizarce en áreas inundadas. Este producto fue diseñado para
estimar los cambios en las coberturas tratando de reducir al minimo los posibles errores por
comisión. Este se elabora 4 veces al año realizando comparaciones con los mismos meses
del año anterior, para que se considere que hubo deforestación se debe observar una
disminución en la cobertura vegetal. Este producto tiene una resolución espacial de 250 m.
(Mas, 2011).
MCD45 - Áreas quemadas: Muestra información sobre las áreas incendiadas, se deriva de
imágenes de los sensores Terra y Aqua y utiliza las relfactancias diarias corregidas de los
tres meses anteriores para detectar cambios que indiquen incendios. Es un producto
mensual con una resolución de 500 m. Tiene ocho capas de información que indican la
fecha del incendio, la calidad de la información (QA), el número de pasos utilizados, la
dirección y el tipo de cobertura (Mas, 2011).
Nomenclatura datos MODIS.
Las imágenes MODIS son cuadros llamados Tiles, los cuales son ubicados a partir de un
número de línea (v) y columna (h), es sí como el área de Colombia está dada por los tiles,
Para el caso colombiano, el país se extiende sobre los Tiles, h9v9, h10v7, h10v8, h10v9,
h11v7, h11v8 y h11v9, ( Mas, 2011) (Barrero & Giraldo, 2012).
En este estudio se utilizó solo el área continental de Colombia que excluye el til (h9v9).
Estos datos se nombran a través de la convención adoptada por la NASA, cada parte del
nombre del producto permiten conocer, la plataforma, el nombre, la fecha, versión y la
localización, los datos utilizados para este trabajo poseen la estructura tal como se muestra
en la figura 1:
Figura 1. Nomenclatura de datos MODIS
Fuente: Elaboración propia
En este trabajo de utilizó el MOD13Q1 que es un compuesto de 16 días con una resolución
espacial de 250 metros. Se utilizaron imágenes del 14 de septiembre del 2009 para todo
Colombia y del 18 de febrero del 2004 para un área del municipio de Puerto Gaitan en el
Departamento del Meta.
ESTIMACIÓN DE LAS EMISIONES DE GASES DE EFECTO INVERNADERO
Existen varios métodos para estimar las la emisión de gases de efecto invernadero por
incendios forestales, unos directos y otros indirectos y aunque algunos de ellos retoman
apartes de otros, no existe un método que sea lo suficientemente preciso para proporcionar
estimaciones cuantitativas de emisiones por incendios forestales. (Langmann, Duncan,
Textor, Trentmann & Van der Werf, 2009). Los métodos indirectos se basan en sensores
remotos (Anaya, Chuvieco & Palacios) Una de las metodologías utilizadas para realizar el
cálculo emisiones de incendios (E) para una especie específica (i) se calcula como el
producto de la superficie quemada (A), la carga de combustible (FL), integridad de
combustión (CC) y de los factores específicos de emisión (FE) (Langmann, Duncan,
Textor, Trentmann & Van der Werf, 2009).
Donde;
Cada factor en la ecuación tiene localización espacial (x, y, z), temporal (t) y variabilidad,
por lo que las emisiones de incendios debe leer como E (x, y, z, t, i).
Superficies (área) quemada (A): La mayoría de los algoritmos busca detectar cambios
persistentes en un índice de vegetación utilizando rojo y / o bandas infrarrojas. Como se
muestra a continuación (Zhng, Wooster, Tutubalina, Solman, Miranda & Borrego, 2011).
Donde ρ NIR (Banda 2) , ρ rojo (Banda 1) (Navia & Baquero), y ρ SWIR son la
reflectancia espectral registrada en el NIR VGT, rojo, y SWIR, respectivamente.
El Índice de Vegetación Normalizado- el NDVI y el índice de vegetación infrarrojo de onda
corta (SWVI) fueron calculados con SPOT-4 fue lanzado en marzo de 1998, y el sensor de
escobillón VGT proporciona imágenes sobre un ancho de franja 2250-km en el azul (0.43-
0.47 m), rojo (0,61-0,68 m), infrarrojo cercano (NIR, 0,78-0,89) y infrarrojo de onda corta
(SWIR, 1.58-1.75 m) en las regiones espectrales. (Zhang et al., 2011).
Carga de combustible (FL) y la integridad de combustión (CC): La carga de combustible
no es idéntica a la biomasa ya que no toda la biomasa es sometida a un incendio, es posible
que en un mismo ecosistema no todas las especies se queman de forma total. Los mayores
valores de carga de combustible se encuentran en bosques tropicales.
La integridad de la combustión, se describe como la fracción del combustible que se quema
disponible durante un evento de incendio, en función del tipo de incendio, el tipo de
combustible y su contenido de humedad.
Los factores de emisión (FE): se traducen en biomasa quemada.
Para determinar los factores de emisión se han realizado pruebas de laboratorio con
biomasa obtenida de campo y con un dispositivo mediante el cual se quema la biomasa
simulando algunas condiciones, las muestras de biomasa para cada quema se componen de
una sola especie. El dispositivo permite que las partículas sean retenidas en una trampa y de
esta manera poder cuantificarlas, estos datos se comparan datos obtenidos de incendios que
han sucedido en la zona y de esta manera se comparan los datos obtenidos en laboratorio
con los datos obtenidos en campo (Perpiña, Martínez & Pérez, 2012).
El factor de emisión (EF x ) para una especie en g kg -1 (X gramos de especies por kg de
biomasa seca quemada), se calcula según la ecuación (1) , donde: V chimenea total = volumen
total de gas que fluyó en la chimenea durante el experimento (m 3 ), [] x = especie X
promedio de concentración (fracción molar), M x = X especies peso molecular (g mol -
1 ), m (combustible (base seca)) = cantidad de combustible consumido seco (kg), y V x = volumen
molar del gas a temperatura y presión estándar (m 3
) (STP) (= 0,0224 m 3 ).
[
]
Los últimos inventarios de emisión por incendios se han realizado combinando el área
quemada y el conteo de incendios activos de los satélites, acompañados de modelado
biogeoquímico del combustible disponible (Langmann, Duncan, Textor, Trentmann & Van
der Werf, 2009).
De acuerdo a (Seiler & Crutzen,1980) la influencia de la quema de biomasa en los ciclos
atmosféricos de gases traza CO2 y otros pueden estimarse sólo si conocemos las
velocidades de combustión.
El monto total de M biomasa quemada anualmente en un bioma está dado
aproximadamente por la ecuación:
[g de materia seca por año (g dm/yr)
donde A = área total de la tierra quemada anualmente [m2/año], B = la materia orgánica
media por unidad de superficie en los biomas individuales [g dm/m2], α = fracción de la
media de la biomasa aérea con respecto a la biomasa total promedio B, y donde β = la
eficiencia de combustión de la biomasa aérea.
Esta metodología también fue usada para la estimación de las emisiones de la quema de
biomasa para el período 1997-2005 por (Mieville et al., 2010) y por (Wiedinmyer et
al.,2006) para estimar las emisiones de los incendios en América del Norte para la
modelización de la calidad del aire.
La emisión de una especie X resultante de incendios, E (X), se expresa como el producto,
para cada clase de vegetación i, del área quemada BA i (en m 2
), la densidad de la biomasa
BD i(en kg m -2
), la eficiencia de combustión BE i y el factor de emisión de la especie X,
EFi (X):
∑
donde N es el número de clases de vegetación tomadas en cuenta.
La densidad de la biomasa (BD) o de la carga de combustible proporciona la biomasa
disponible por unidad de superficie; la eficiencia de combustión (BE) corresponde con el
porcentaje de la biomasa que se quema eficazmente. (EF) El factor de emisión da la
cantidad de especies químicas emitidas por una cantidad dada de biomasa quemada.
En esta metodología Las densidades de biomasa (BD), la eficiencia de combustión (BE), y
los factores de emisión (FE) de diferentes tipos de vegetación se obtuvieron a partir de
valores ya publicados, tabla 1. (Mieville et al., 2010).
Tabla 1. Valores de densidad de la biomasa (BD), BE (eficiencia de combustión), EF (Factor de emisión) para
cada clase de GLC, y el factor de BA / FC (Área quemada por Conde Fuego). La unidad kg dm corresponde
kg de materia seca.
GLC clases
BD
(kg m-
2 )
BE
EF (CO 2 ) (g
(CO 2 ) kg dm)
BA / FC
(km2FC
-
1 )
Latifoliado siempre verde GLC1 23,35 0,25 1580 5,8
Perecedero de hoja cerrada GLC2 20 0,25 1569 30,6
Abierto caducifolio de hoja ancha GLC3 3,3 0,4 1613 83,7
Siempre verde aciculada bosque GLC4 36,7 0,25 1569 9,5
Caduco aciculada GLC5 18,9 0,25 1569 9,3
Tipo de hoja mixta GLC6 14 0,25 1569 7,2
Mosaico: Árboles/ otros tipos de vegetación
natural, GLC9
10 0,35 1591 48,6
Arbusto, cerrados, abiertos, siempre verde
GLC11
1,25 0,9 1613 7,1
Arbusto, cerrado-abierto, caducifolio
GLC12
3,3 0,4 1613 55,1
Cobertura herbácea, cerrada, abierta GLC13
1,425 0,9 1613 48,9
Herbácea dispersa o cobertura arbustiva
ralaGLC14
0,9 0,6 1567 25,7
Áreas cultivadas y manejadasGLC16 0,44 0,6 1515 32,5
Mosaico: cultivo/ árbol / vegetación
natural. GLC17
1,1 0,8 1594 6,9
Mosaico: tierras de cultivo / arbusto o
hierba GLC18
1 0,75 1580 41,8
En el estudio realizado en norte américa se presentan la clasificación de las coberturas con
la carga de combustibles para cada una de ellas y los factores de emisión para las especies
(CO2, CO, CH4, NOx , NH3 , SO2 , VOC, PM 10 y PM 2,5 ) tabla 2 y 3.
Tabla 2. GLC2000 clasificaciones de cobertura del suelo (con los códigos asociados) y asignado carga total de
combustible. Se dan las fracciones de combustibles leñosos y herbáceos para cada clasificación. (Christine
Wiedinmyer, 2006)
Código
GLC
GLC2000 clasificación de
coberturas
Carga total de
combustible
(kg m -2
)
Fracción
promedio
leñosa
Fracción promedio de
herbáceas (incluyendo sin
valor y arbustos)
1 Dosel siempreverde latifoliado
tropical o subtropical, bosque
cerrado
17 0.84 0,16
2 Dosel deciduos latifoliados
tropicales y subtropicales del
bosque cerrado
17 0.84 0,16
29 Frondosas copas de los árboles de
hoja perenne-abierto tropical o subtropical
17 0.84 0,16
3 Templado o subpolares bosque
cerrado caducifolio latifoliado.
9,5 0.84 0,16
4 Bosque cerrado siempre verde
aciculado templada o subpolares.
14 0,79 0.21
5 Aciculado copas de los árboles de
hoja perenne-open templada o sub-
polar.
14 0,79 0.21
20 Subpolar bosque siempre verde
aciculado dosel abierto liquen
sotobosque.
14 0,79 0.21
6 Dosel cerrado mixta aciculado
templada o sub-polar
12 0,85 0.15
7 Dosel del bosque latifoliado
cerrado o aciculado mixto
templado o sub-polar
12 0,85 0.15
8 Dosel del bosque latifoliado abierto
o aciculado mixto templado o sub-polar
12 0,85 0.15
9 Matorral dosel cerrado siempre
verde latifoliado templado o
subpolar
4,3 0.39 0,61
10 Latifoliadas de hoja caduca
matorral dosel abierto templado o
subpolar
4,3 0.39 0,61
11 Aciculado perenne matorral dosel
abierto templado o subpolar
4,3 0.39 0,61
12 Dosel enano-matorral abierto
latifoliado y mixto aciculado
templada o sub-polar
4,3 0.39 0,61
Código
GLC
GLC2000 clasificación de
coberturas
Carga total de
combustible
(kg m -2
)
Fracción
promedio
leñosa
Fracción promedio de
herbáceas (incluyendo sin
valor y arbustos)
13 Pastizales templados o subpolar 1.1 0,08 0,92
14 Pastizales templados o subpolar
con un estrato arbóreo ralo
1.1 0,08 0,92
15 Pastizales templados o subpolar
con un estrato arbustivo escasa
1.1 0,08 0,92
16 Polar pastizales con un estrato
arbustivo escasa
1.1 0,08 0,92
17 Polar prados con una capa de
arbustos enanos escasa
1.1 0,08 0,92
18 Las tierras de cultivo 0,5 0,08 0,92
19 Las tierras de cultivo y matorrales /
bosques
0,5 0,08 0,92
21 No Consolidado escasa vegetación
materiales (antiguo quemado u otra perturbación)
0,1 0,08 0,92
22 Urbano y urbanizado 0,1 0,08 0,92
23 Consolidado roca vegetación
escasa
0,1 0,08 0,92
24 Los cuerpos de agua 0 0,08 0,92
25 Área quemada (superficie quemada
reciente)
0,1 0,08 0,92
26 La nieve y el hielo 0 0,08 0,92
27 Humedales 14 0.84 0,16
28 Humedales herbáceos 1.1 0,08 0,92
Tabla 3. Los factores de emisión (kg especie Mg-1 biomasa quemada) asignados a los incendios en cada una
de las clases de cubierta terrestre GLC, (Christine Wiedinmyer, 2006).
GLC code CO2 CO PM10 PM2.5 NOx NH3 SO2 NMHCs CH4
1 1588 117 12.5 9.9 1.3 0.7 0.8 8.1 6.6
2 1588 117 12.5 9.9 1.3 0.7 0.8 8.1 6.6
3 1569 94 12.5 11.2 2.1 0.6 0.8 6.8 4.5
4 1569 89 13.1 12.1 2.5 0.9 0.8 6.1 4.8
5 1569 89 13.1 12.1 2.5 0.9 0.8 6.1 4.8
6 1569 82 15.0 11.5 2.7 0.9 0.8 6.8 4.5
7 1569 82 15.0 11.5 2.7 0.9 0.8 6.8 4.5
8 1569 82 15.0 11.5 2.7 0.9 0.8 6.8 4.5
9 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
10 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
11 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
12 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
13 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1
14 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1
15 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1
16 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1
GLC code CO2 CO PM10 PM2.5 NOx NH3 SO2 NMHCs CH4
17 1630 90 12.5 9.5 6.5 0.6 0.5 5.0 3.1
18 1515 70 6.9 5.7 2.4 1.5 0.4 6.7 2.2
19 1515 70 6.9 5.7 2.4 1.5 0.4 6.7 2.2
20 1569 89 13.1 12.1 2.5 0.9 0.8 6.1 4.8
21 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
22 0 0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
23 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
24 0 0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
25 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
26 0 0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
27 1569 94 12.5 11.2 2.1 0.6 0.8 6.8 4.5
28 1630 84 6.9 5.6 3.2 0.6 0.5 3.2 3.1
29 1588 117 12.5 9.9 1.3 0.7 0.8 8.1 6.6
En Colombia esta metodología (Seiler & Crutzen,1980) también fue implementada por
(Anaya, 2009) utilizando la clasificación de las coberturas con (IGBP) Programa
Internacional de la Geosfera y La Biosfera.
METODOLOGÍA
A continuación se muestra la metodología utilizada para la realización de este estudio, la
cual incluye el uso de imágenes MODIS.
Obtención de imágenes MODIS.
Las imágenes MODIS se obtienen a través de la página de la NASA http://glovis.usgs.gov/,
su distribución es de forma gratuita, solo requiere registrarse en la página y crear una
cuenta, al realizar este proceso se obtiene un nombre de usuario y contraseña con el cual se
podrá realizar todas las descargas que se requieran.
Lo primero que se debe hacer es tener claro el tema a estudiar, la zona de estudio y la fecha
en la que queremos realizar el estudio, para así elegir el producto indicado en nuestro caso
utilizaremos el MOD13Q1 (producto del satélite Terra) del mes de septiembre de 2009.
A continuación se muestra el proceso realizado para obtener las imágenes satelitales a
través de la página de la NASA:
Figura 2. Página de inicio de la NASA
Fuente: Tomado de la página http://glovis.usgs.gov/
Arriba en la parte izquierda de la página en la pestaña Collection, se encuentran los
diferentes productos de MODIS disponibles en esta página, elegimos la opción MODIS
Terra, esta despliega todos los productos MODIS Terra disponibles y elegimos el producto
a utilizar en este caso escogemos el producto MOD13Q1. Ver Figura 3.
Figura 3. Productos MODIS Terra
Fuente: Tomado de la página http://glovis.usgs.gov/
Luego en la ventana de la izquierda seleccionamos las imágenes a descargar a través de
H/V o Lat/Long, también se pueden localizar las imágenes las flechas de desplazamiento,
Ver Figura 4. Con la opción add vamos adicionando las imágenes que queremos descargar
y finalmente se da click en el botón send to cart, este nos envía a una pagina en la que
debomos ingresar el nombre de usuario y la contraseña si ya estás registrado en la página,
sino se debe seralizar el registro para obtenerlo. Ver figura 5.
La zona continental de Colombia está compuesta por 6 tiles el 10,-7, 11-7, 10-8, 11-8, 10-9,
11-9.
Figura 4. Selección de los Tiles da descargar
Fuente: Tomado de la página http://glovis.usgs.gov/
Figura 5. Pagina para ingresa los datos de la persona que solicita las imágenes.
Fuente: Tomado de la página http://glovis.usgs.gov/
El siguiente paso consiste en suministrar la orden con los pedidos y confirmar el pedido tal
como lo describen (Barrero & Giraldo, 2012), (Hinestroza, 2012). Luego al correo inscrito
en esta página llegan unos links en los que se puede descargar la informacion requerida.
Cambio de Proyección de las imágenes y generación de Mosaicos.
Con el programa Modis Tool que se descarga del link
https://lpdaac.usgs.gov/tools/modis_reprojection_tool de el Servicio Geológico de Estados
Unidos USGS por sus siglas en ingles, se le asígna la proyección y el datúm con los que
necesitamos trabajar, pues cuando las imágenes son descargadas inicialmente, possen una
proyección propia de acuerdo a parámetros de la NASA. Para este trabajo la proyección
que se usó fue UTM para la zona 18 Norte y el datum WGS84. Ver imagen 6.
Figura 6. Reproyección de imágenes, asignación del datum y creación del mosaico
Fuente: Elaboración propia utilizando el programa MR Tool
Una vez se han llenado todos los parametros se le da Run y aparece una ventana que nos va
mostrando el estado del proceso. Ver imagen 7. Al finalizar el proceso obtenemos un
mosaico que cubre a Colombia con proyección UTM Zona 18. Ver imagen 8.
Figura 7. Estado del proceso de reprojección y creación del mosaico.
Fuente: Elaboración propia utilizando el programa MR Tool
Figura 8. Mosaico de imágenes proyectadas a UTM Zone 18
Fuente: Elaboración propia utilizando el programa MR Tool
Descarga de Shapefiles del IGAC
A traves de la pagina del Sistema de Información geográfica para la planeación y el
ordenamiento territorial del IGAC -SIG-OT se obtuvieron los shapefiles del limite nacional
y de coberturas del año 2008,m (IGAC http://sigotn.igac.gov.co/sigotn/,2013.) Ver figura 9.
Figura 9. Pagina del SIG- OT
Fuente: Tomado de http://sigotn.igac.gov.co/sigotn/
Calculo del Indice de Vegetación Normalizada - NDVI.
El indice de Vegetación Normalizada - NDVI se calculó en el Programa ARCGIS 10.1, a
traves de la opción Spatial Analyst Tools – Map Algebra – Raster Calculator. Ver Figura
10.
Figura 10. Calulo del NDVI
Fuente: Elaboración propia utilizando el programa ARCGIS
Para evitar la perdida de información se trabajo con el mosaico de las imágenes
correspondientes al territorio continental de colombia, luego se reaizó el corte con el limite
del pais de acuerdo al IGAC, a traves de Raster procesing – Clip. Ver (Imagen 11)
Figura 11. NDVI mosaico de imágenes y NDVI area contienetal Colombia
Fuente: Elaboración propia utilizando el programa ARCGIS
Calculo del area quemada
Existen muchos métodos para estimar el área quemada con el uso de la percepción remota
satelital, entre ellos clasificaciones no supervisadas y supervisadas de bandas originales o
índices NDVI (Rullán, Olthoff, Cama, Perez & Galindo) , en este trabajo se utilizó en
NDVI (Índice de Vegetación de Diferencia Normalizada) para estimar el área quemada, ya
que este índice ha sido ampliamente utilizado para detectar cambios en la vegetación
debido a que es calculado a partir de los valores de la reflectancia a distintas longitudes de
onda, y es particularmente sensible a la cubierta vegetal. Aunque en la mayoría de estos
trabajos se utilizan imágenes landsat para corroborar las áreas quemadas, en este trabajo
debido a que nuestra área de estudio (Colombia) presenta durante la mayor parte del año
gran nubosidad y a que la fecha seleccionada para este estudio fue el año 2009 y las
imágenes landsat de este año presentan bandas con las que se pierde mucha información, se
decidió realizar una clasificación supervisada en la que se ensayaron varios umbrales del
NDVI basados no solo en la literatura encontrada, sino también en un ejercicio realizado en
un área en la que se presentara un incendio de grandes dimensiones. El calculo del área
quemada se realizó en tres etapas.
Identificación de umbrales
Para identificar los pixeles que corresponden a área quemada, se obtuvo una imagen Modis
del mismo producto MOD13Q1 de un incendio forestal en el municipio de Puerto Gaitan
en el Departamento del Meta (Colombia) que se inició el 1 de febrero del año 2004 este
incendio afectó un área de 185.363,5725 Ha ver figura 12 , se utilizó esta área por ser un
incendio de grandes dimensiones y a que se estimó a través de imágenes Landsat (path 6
row 58). (Anaya & Chuvieco, 2012) Se decidio observar los valores de NDVI que se
encontraban en esta área y así definir umbrales de área quemada.
Se encontraron los valores de NDVI antes del incendio y después del incendio 17 de Enero,
2 de Febrero y 18 de febrero de 2004. Ver Figura 13 y 14.
Figura 12. Mapa de área quemada. La línea roja es el perímetro 1 de febrero de 2004.
Fuente: Elaboración propia con el programa Arcgis, información tomada de (Anaya & Chuvieco, 2012)
Para el 17 de enero se encontró un rango de valores entre valor mínimo 0,153043 y el
máximo 0,867554 como se puede ver en en la figura 13.
Figura 13. Valores de NDVI para el 17 de Enero de 2004 (antes del incendio), en el área afectada
Fuente: Elaboración propia con el programa Arcgis, información tomada de (Anaya & Chuvieco, 2012)
Para el 2 de Febrero que fue la fecha posterior al incendio se encontró un rango de valores
entre valor mínimo 0,183551 y el máximo 0,846484 como se puede ver en en la figura 14.
Figura 14. Valores de NDVI para el 2 de Febrero de 2004 (después del incendio), en el área afectada
Fuente: Elaboración propia con el programa Arcgis, información tomada de (Anaya & Chuvieco, 2012)
Figura 15. Valores de NDVI para el 18 de Febrero de 2004 (después del incendio), en el área afectada
Fuente: Elaboración propia con el programa Arcgis, información tomada de (Anaya & Chuvieco, 2012)
Se calcularon los estadísticos del 18 de febrero a traves de un zonal Statistisc as Table
encontrando los siguientes Valores.
Tabla 4. estadísticos del área quemada 18 de febrero de 2004
MINIMO MAXIMO MEDIA
DESVIACIÓN
ESTANDAR
0,0626502 0,931947 0,355812 0,079541
Fuente: Elaboración propia
Debido a que el producto MOD13Q1 es un compuesto de 16 días se puede observar en los
valores de NDVI que la imagen del 18 de febrero refleja mas la afectación sobre la zona
con valores de NDVI cercanos a cero. Por esta razón se decidió trabajar con la imagen del
18 de febrero de 2004.
De acuerdo a (Instituto cartográfico de Cataluña y a Chuvieco & Viedma) la vegetación
sana tiende a tener valores de NDVI altos (al presentar alta reflectividad en el infrarrojo
cercano y baja en el rojo) y las áreas quemadas se caracterizan por tener valores de NDVI
bajos (al reducirse su reflectividad en el infrarrojo cercano y aumentar en el rojo).
En la pagina del (Instituto cartográfico de Cataluña (http://www.icc.cat/esl/Home-
ICC/Mapas-escolares-y-divulgacion/Preguntas-y-respuestas/Que-es-NDVI) se muestran
unos rangos que definen el tipo de estado de la vegetación:
(NDVI < 0), correspondientes a agua o cubiertas artificiales.
(0 < NDVI < 0,2), correspondientes a suelo desnudo o vegetación muerta.
(0,2 < NDVI < 0,4), correspondientes a vegetación dispersa o poco vigorosa.
(0,4 < NDVI < 0,6), correspondientes a vegetación abundante y vigorosa.
(NDVI > 0,6), correspondientes a vegetación muy densa y vigorosa.
Teniendo en cuenta los valores de NDVI obtenidos en el área quemada en el incendio
ociurrido en el minucupio de Puerto Gaitan en el departamento del Meta y los datos
obtenidos por otros estudios como el realizado por el instituto cartográfico de Cataluña, se
probaron diferentes rangos para Colombia.
Esto se hizo utilizando el condicional de la calculadora raster asignando uno al rango
deseado:
Aplicación de umbrales (rango de valores) de NDVI encontrados en Puerto Gaitan.
Con((Float("ndvi_col") >= 0.0626502) & ( Float("ndvi_col") <= 0.931947),1)
Este condicional nos arrojo un mapa contenia un área muy elevada y que no toda
correspondia a área quemada esto se observa comparando estas áreas con las coberturas
este incluia zonas desnudas, sin o con poca vegetación esto se puede observar en el
departamento de la Guajira. Este rango incluyo valores de vegetación vigorosa tal como lo
indica (Instituto cartográfico de Cataluña (http://www.icc.cat/esl/Home-ICC/Mapas-
escolares-y-divulgacion/Preguntas-y-respuestas/Que-es-NDVI ver figura 16.
Con((Float("ndvi_col") >= 0.0626502) & ( Float("ndvi_col") <= 0.2),1)
Se puede observar que este aun incluye zonas desnudas en el departamento de la Guajira
Ver Figura 16.
Figura 16. NDVI entre 0.0626502 - 0.931947 y NDVI entre 0 – 0.2
Fuente: Elaboración propia utilizando el programa ARCGIS.
Con(("ndvi_col" <= 0.0626502),1)
Este condicional fue el que mayor se acerco, para elegir este rango se tuvo encuenta lo
encontrado por (Chuvieco & Viedma), aunque dentro de este rango según (Instituto
cartográfico de Cataluña (http://www.icc.cat/esl/Home-ICC/Mapas-escolares-y-
divulgacion/Preguntas-y-respuestas/Que-es-NDVI)corresponde a agua, al superponer este
mapa con las coberturas de colombia se pudo constatar que sí incluia pixeles que eran agua,
esto se tuvo en cuenta al realizar el calculo de las emisiones y no presentó ningún
inconveniente pues para estimar las emisiones se realiza un producto de valores que
incluyen la eficiencia de la combustión (BE) que para el caso del agua es 0 por lo que no
aparece en la tabla 1 (Mieville et al., 2010).
Figura 17. Pixeles con valores de NDVI menores a 0.0626502
Fuente: Elaboración propia utilizando el programa ARCGIS
Calculo del Area quemada.
El área quemada se caluló multiplicando el área del pixel por el numero de pixeles en cada
cobertura. Esto nos arrojo el área en metros cuadrados.
Factores de Emisión (EF), Densidad de la Biomasa (BD) y Eficiencia de la combustión
(BE).
Los factores de emisión estan dados por la relación entre la cantidad de contaminante
emitido a la atmosfera por una actividad establecida. En este trabajo se usaron los factores
de emisión de contaminantes asociados a los incendios forestales
(41)(Wiedinmyer,Quayle,Geron, Belote, McKenzie, Zhang, O´Neill, Wynne,2006) entre
ellos se encuentran CO2, CO, PM10, PM2,5, NOx, NH3, SO2 y CH4.
En esta metodología Las densidades de biomasa (BD), la eficiencia de combustión (BE), y
los factores de emisión (FE) de diferentes tipos de vegetación se obtuvieron a partir de
valores ya publicados, tabla 1, 2 y 3 (Wiedinmyer et al., 2006). Para ello fue necesario
establecer una correspondencia entre nuestras coberturas obtenidas del IGAC y las
encontradas en este documento. Para obtener los valores de los EF es necesario realizar
quemas en laboratorio y para los valores BD y BE se realizan midiendo en incendios reales,
lo que resulta poco viable a la hora de realizar un estudio de calculo de emisiones.
Dado que el mapa de coberturas del IGAC que se encuentra disponible en la pagina se se
elaboro con base en la metodología CORINE y los valores de BD, BE y EF que se
encuentran en (Wiedinmyer et al.,2006) están asociados a GLC2000 tabla 1,2 y 3, se hizo
una relación entre las dos coberturas para asi encontrar un acuerdo temático entre las dos,
es decir una correspondiencia entre GLC2000 y CORINE. Basados en en (Wiedinmyer et
al.,2006) y (Neumann, Herold, Hartley & Schullius, 2007). Ver tabla 5.
Tabla 5. Valores de BD, BE y EF para Colombia.
Calculo de las Emisiones
Para el calculo de las emisiones se utilizo la ecuación utilizada por (Wiedinmyer et
al.,2006) donde la emisión de una cobertura por incendios, E(X), se expresa como el
producto, para cada clase de vegetacióni, del área quemada BAi (en m 2
), la densidad de la
biomasa BDi (en kg m -2
), la eficiencia de combustión BEi y el factor de emisión de la
especie X, EFi (X):
∑
donde N es el número de clases de vegetación tomadas en cuenta.
Resultados y discusión
Area quemada
De acuerdo a la metodología utilizada se encontro para colombia un total de 215.598,52 Ha
de area quemada en las coberturas vegetales para un periodo de 16 días. La cobertura
bosques naturales fue la cobertura con mayor valor de area quemada con 90.544, 2 Ha
seguida por Pastos con 33.198,73 Ha. En el estudio realizado por anaya para el periodo
comprendido entre los años 2000 – 2006 se encontro un total de 4.643.100 Ha para
calombia, este valor es mayor al encontrado por nuestro estudio debido a que cubre un
rango de tiempo mayor, es decir varios años.
Tabla 6. Area quemada por cobertura.
COBERTURA AREA_QUEMADA_HA
Bosques naturales 90544,9354
Vegetación secundaria 9915,5991
Pastos 33198,7359
Herbazales 26826,3395
Áreas agrícolas heterogéneas 3473,4123
Hidrofitia continental 16325,5750
Herbáceas y arbustivas costeras 488,5324
Arbustales 13383,6430
Cultivos anuales o transitorios 5604,7025
TOTAL 215598,52
Fuente. Elaboración propia.
Emisiones
Tabla 7. Emisiones por incendios forestales por coberturas y contaminantes asociados. (Tg)
COBERTURA
AREA_H
A
BD_K
G/M2 BE E_CO E_CO2
E_PM1
0
E_PM2
_5
E_NOX E_NH3 E_SO2 E_CH4
Áreas urbanas
901,91 0
-
-
- -
- - - - -
Áreas
mayormente
alteradas
10,74 0
-
-
- -
- - - - -
Cultivos anuales
o transitorios
5.604,70 1
0,75
2,9425
63,6834
0,2900
0,2396 0,1009 0,0631 0,0168
0,0925
Cultivos
semipermanente
s y permanentes
193,27 1
0,75
0,1015
2,1960
0,0100
0,0083 0,0035 0,0022 0,0006
0,0032
Pastos
33.198,74 1,425
0,90
38,3196
694,0113
5,3222
4,0449 2,7675 0,2555 0,2129
1,3199
Áreas agrícolas
heterogéneas
3.473,41 0,44
0,60
0,8253
14,9468
0,1146
0,0871 0,0596 0,0055 0,0046
0,0284
Bosques
plantados
214,74 3,3
0,40
0,1984
4,6203
0,0196
0,0159 0,0091 0,0017 0,0014
0,0088
Bosques
naturales
90.544,94 23,35
0,25
618,410
6
8.393,470
2
66,0695
52,3271 6,8712 3,6999 4,2284
34,8847
Vegetación
secundaria
9.915,60 10
0,35
29,1519
565,6849
2,3946
1,9435 1,1105 0,2082 0,1735
1,0758
Arbustales
13.383,64 3,3
0,90
33,3895
647,9155
2,7427
2,2260 1,2720 0,2385 0,1987
1,2322
Herbazales
26.826,34 0,9
0,60
13,0376
236,1254
1,8108
1,3762 0,9416 0,0869 0,0724
0,4491
Zonas desnudas,
sin o con poca
vegetación
13.023,95 0
-
-
- -
- - - - -
COBERTURA
AREA_H
A
BD_K
G/M2 BE E_CO E_CO2
E_PM1
0
E_PM2
_5
E_NOX E_NH3 E_SO2 E_CH4
Afloramientos
rocosos
85,90 0
-
-
- -
- - - - -
Glaciares y
nieves
4.584,69 0
-
-
- -
- - - - -
Hidrofitia
continental
16.325,58 0
-
-
- -
- - - - -
Herbáceas y
arbustivas
costeras
488,53 0,9
0,60
0,2374
4,3001
0,0330
0,0251 0,0171 0,0016 0,0013
0,0055
Aguas
continentales
naturales
105.190,1
7 0
-
-
- -
- - - - -
Aguas
continentales
artificiales
4.198,16 0
-
-
- -
- - - - -
Lagunas
costeras
13.378,27 0
-
-
- -
- - - - -
Los resultados muestran que la mayor emisión de gases se presenta en bosques naturales
debido a que la densidad de la biomasa - BD es mayor para la cobertura de bosques
naturales que para las demas coberturas.
En (Anaya, 2009) se utilizó una metodología similar a la realizada en este trabajo, pero con
diferentes datos y para diferentes años (2000 al 2006), lo que no nos permite hacer una
comparación puntual con los valores obtenidos en este estudio. Ya que los valores utilizado
en este trabajo fueron para el mes de septiembre de 2009. En la medida en que se
incrementan los datos se pueden tener estimaciones mas exactas de las emisiones, por otro
lado los factores de emisión fueron tomados de estudios publicados, los cuales fueron
estimados en otras zonas, lo ideal seria obtener factores de emisión que sean calculados
para la zona de estudio, en nuestro caso en Colombia.
Tabla 8. Valores de Emision para colombia obtenidos por Anaya.
Año 2001 2002 2003 2004 2005 2006 Promedio
PM25 0,0519 0,0569 0,0476 0,0619 0,032 0,0322 0,0471
NMHC 0,0241 0,0262 0,0221 0,0285 0,0148 0,0155 0,0218
CH4 0,0131 0,014 0,0119 0,0152 0,008 0,009 0,0119
CO 0,5707 0,6273 0,5246 0,6799 0,3555 0,3608 0,5198
CO2 10,4661 11,5083 9,6234 12,4774 6,5375 6,1032 9,4527
Fuente: Anaya 2009
Tabla 9. Valores en Tg durante el mes de septiembre de 2009.
Fecha Septiembre 2009
CH4 39,100167
CO 736,61427
CO2 10626,95404
PM2_5 62,293429
Fuente: Elaboración propia
Se puede observar que los valores encontrados en este estudio superan los valores
encontrados por Anaya, una de las razones es que durante el mes de septiembre del año
2009 fue el mes mas seco de los ultimos 31 según reportó en IDEAM (Instituto de
Hidrología, Meteorología y Estudios Ambientales), (IDEAM 2009). Por otro lado Aunque
(Anaya, 2009) aplicó el modelo de (Seiler y Crutzen, 1980), el mismo modelo
implementado en este trabajo, en su trabajo Anaya realizó diversas propuestas
metodológicas para obtener las variables requeridas por el modelo entre ellas, para estimar
la carga de combustible utilizó datos de campo, en nuestro trabajo no se utilizaron datos
tomados en campo.
Aunque la cobertura vegetal hidrofitia continental presenta valores considrables de area
quemada esta no tiene valores de emisiones debido a que su densidad de biomasa y la
eficiencia de la combustion es cero (0).
Las coberturas que arrojan mayores valores de emisiones de CO2 son bosques naturales,
pastos, y arbustales respectivamente. Esto debido a que tienen mayores areas y mayores
valores de densidad de biomasa. Estos resultados coinciden con los encontrados por
(Wiedinmyer et al.,2006) quienes encontraron que entre las coberturas con mayor aporte de
emisiones se encuentran los pastizales y tierras de cultivo.
El CO2 es el gas de efecto invernadero que se emite en mayor cantidad en durante los
incedios forestales, en tal como se puede observar en tabla 8. En la figura 18 se pueden ver
los rangos de valores de CO2 encontrados en este trabajo.
Figura 18. Áreas quemadas y estimación de CO2 emitido en Tg.
Fuente: Elaboración propia con el programa Arcgis.
En la figura aterior se observa los lugares y los rangos de emisiones de CO2 en teragramos
(Tg) el color verde (0) estan asociados a zonas desnudas ,areas urbanas y cuerpos de agua,
los puntos rojos coresponde a las zonas en las que existe mayor concentración de CO2
Los resultados obtenidos en el calculo de las emisiones nos muestra que los incendios de
bosques naturales son los que mayor aporte hacen correspecto a los gases de efecto
inverdero. Las otras coberturas que presentan altos valores de emisiones de gases son la
pastos y la vegetación secundaria. Ver tabla 7.
CONCLUSIONES
En este trabajo se muestra una metodología para estimar de manera indirecta las emisiones
por incendios forestales para Colombia a partir de imágenes satelitales de las cuales se
pueden obtener fácilmente a través del portal del Servicio Geológico de los Estados Unidos
(USGS) estas no tienen costo para los usuarios que se registren en esta pagina. Al
comparar los resultados obtenidoscon otros estudios realizados, se observa que las
emisiones de los incendios pueden variar significativamente de un año a otro y de una
región a otra. Lo cual sugiere que para realizar comparaciones se deben incluir como
variables no solo el espacio, sino también el tiempo en que ocurren los incendios. Debido a
lo reciente de las metodologías con sensores remotos, aun se hace importante tener
información de zonas quemadas preferiblemente polígonos medidos en campo para poder
tener referencia de los valores de los índices en esta zona.
El NDVI es un índice que se utiliza para evaluar el estado de la vegetación y que se ha
venido usando como un indidor de área quemada, los valores de este varian acorde con la
cobertura vegetal existen y a la condición en la que esta se encuentre. Cuando se calcula,
existen coberturas como cuerpos de agua, nieve y zonas desnudas que se ubican en el
mismo rango que los valores de área quemada. Con lo que se pueden incurrir en sobre
estimación de las áreas quemadas. (esto al estimar las emisiones no causa problemos
porque los valores de BD son Cero).
Realizar estudios detallados de emisiones de incendios forestales en los cuales se
establezcan los factores de emision y la densidad de la biomasa tanto en campo como en
laboratorio resulta muy costoso y requiere mucho tiempo. Con la implementación de
metodolgias indirectas se pueden hacer estimaciones de las emisones razonables a menores
costos y en menor tiempo.
La dificultad para obtener resultados más contundentes se debe a la falta de información,
en Colombia, aun no existe una entidad que se encargue de medir las áreas quemadas, en el
mejor de los casos toman un punto y esto no nos permite tener una idea de la dimensión del
incendio. Con información de polignos en los que con certeza se establezca un área
quemada por un incendio forestal, se puede obtienen valores de NDVI mas precisos. Los
gases que se liberan durante un incendio forestal son contaminantes que no solo afectan la
calidad del aire sino también la salud los habitantes tanto de la zona donde ocurren sino de
todo el país a pesar de esto y aunque en Colombia se presentan incendios considerables
cada año aun las entidades encargadas de hacer los reportes de las áreas no cuentan con un
protocolo atraves del cual se pueda estimar el área afectada y las emisiones producidas. En
el área metropolitana de Medellín recientemente (2013) se están realizando convenios con
otras entidades, enfocados hacia la prevención del riesgo de desatre en los cuales se tiene
presente por parte de la entidad la importancia de cuantificar la contaminación generada por
incendios forestales en el valle de Aburra (Área metropolitana). El primer paso ya se dio al
generar el Área Mtropolitana un protocolo de evaluación de incendios forestales para
desarrollar en campo el cual incluye la medición del área con Gps. Este protocolo ya fue
revisado por el IDEAM y esta en el proceso de correcciones sugeridads por el IDEAM.
Al tener imágenes de antes y después del o los incendios, se puede observar la variación en
los valores del NDVI. En nuestro caso pudimos notar que los valores de NDVI antes del
incedio (17 de Enero) son mayores que los valors encontrados después del incendio (18 de
febrero).
BIBLIOGRAFÍA.
Dolors Armenteras-Pascual, Javier Retana-Alumbreros, Roberto Molowny-Horas, Rosa
María Roman-Cuesta, Federico Gonzalez-Alonso, Mónica Morales-Rivas, Characterising
fire spatial pattern interactions with climate and vegetation in Colombia, Agricultural and
Forest Meteorology, Volume 151, Issue 3, 15 March 2011, Pages 279-289.
Sumaia Saldanha de Vasconcelos, Philip Martin Fearnside, Paulo Maurício Lima de
Alencastro Graça, Euler Melo Nogueira, Luis Cláudio de Oliveira, Evandro Orfanó
Figueiredo, Forest fires in southwestern Brazilian Amazonia: Estimates of area and
potential carbon emissions, Forest Ecology and Management, Volume 291, 1 March 2013,
Pages 199-208.
Bärbel Langmann, Bryan Duncan, Christiane Textor, Jörg Trentmann, Guido R. van der
Werf, Vegetation fire emissions and their impact on air pollution and climate, Atmospheric
Environment, Volume 43, Issue 1, January 2009, Pages 107-116.
P. Crutzen, M. Andreae, Biomass burning in the tropics: impact on atmospheric chemistry
and biogeochemical cycles, Science, 250 (1990), pp. 1669–1678.
A. Mieville, C. Granier, C. Liousse, B. Guillaume, F. Mouillot, J.-F. Lamarque, J.-M.
Grégoire, G. Pétron, Emissions of gases and particles from biomass burning during the 20th
century using satellite data and an historical reconstruction, Atmospheric Environment,
Volume 44, Issue 11, April 2010, Pages 1469-1477.
Robert J. Zomer, Antonio Trabucco, Deborah A. Bossio, Louis V. Verchot, Climate change
mitigation: A spatial analysis of global land suitability for clean development mechanism
aff orestation and reforestation, Agriculture, Ecosystems & Environment, Volume
126, Issues 1–2, June 2008, Pages 67-80.
T.G. Soares Neto, J.A. Carvalho Jr., E.V. Cortez, R.G. Azevedo, R.A. Oliveira, W.R.R.
Fidalgo, J.C. Santos, Laboratory evaluation of Amazon forest biomass burning emissions,
Atmospheric Environment, Volume 45, Issue 39, December 2011, Pages 7455-7461.
Yude Pan, Richard Birdsey, John Hom, Kevin McCullough, Separating effects of changes
in atmospheric composition, climate and land-use on carbon sequestration of U.S. Mid-
Atlantic temperate forests, Forest Ecology and Management, Volume 259, Issue 2, 15
December 2009, Pages 151-164.
Margarida L.R. Liberato, Elena Paoletti, Carlos C. DaCamara, Climate Changes and
Forests, Forest Ecology and Management, Volume 262.
Mariano García, David Riaño, Emilio Chuvieco, F. Mark Danson, Estimating biomass
carbon stocks for a Mediterranean forest in central Spain using LIDAR height and intensity
data, Remote Sensing of Environment, Volume 114, 2010.
Hari Hari Bansha Dulal, Sameer Akbar, Greenhouse gas emission reduction options for
cities: Finding the “Coincidence of Agendas” between local priorities and climate change
mitigation objectives, Habitat International, Available online 18 June 2012.
Y.J. Zhang, A.J. Li, T. Fung, Using GIS and Multi-criteria Decision Analysis for Conflict
Resolution in Land Use Planning, Procedia Environmental Sciences, Volume 13, 2012,
Pages 2264-2273
Carolina Perpiña, José Carlos Martínez-Llario, Ángel Pérez-Navarro, Multicriteria
assessment in GIS environments for siting biomass plants, Land Use Policy, Available
online 16 October 2012.
Weijie Liu, Bai Zhang, Zongming Wang, Kaishan Song, Dianwei Liu, Chunying Ren, Jia
Du, Development of a GIS-based decision support system for eco-environment and natural
resources of Northeast Asia, Procedia Environmental Sciences, Volume 2, 2010, Pages
906-913
Ben de Jong, Carlos Anaya, Omar Masera, Marcela Olguín, Fernando Paz, Jorge Etchevers,
René D. Martínez, Gabriela Guerrero, Claudio Balbontín, Greenhouse gas emissions
between 1993 and 2002 from land-use change and forestry in Mexico, Forest Ecology and
Management, Volume 260, Issue 10, 15 October 2010, Pages 1689-1701.
Ross S. Lunetta, Yang Shao, Jayantha Ediriwickrema, John G. Lyon, Monitoring
agricultural cropping patterns across the Laurentian Great Lakes Basin using MODIS-
NDVI data, International Journal of Applied Earth Observation and Geoinformation 12
(2010) 81–88.
Robin Pouteau, Serge Rambal, Jean-Pierre Ratte, Fabien Gogé, Richard Joffre, Thierry
Winkel, Downscaling MODIS-derived maps using GIS and boosted regression trees: The
case of frost occurrence over the arid Andean highlands of Bolivia, Remote Sensing of
Environment 115 (2011) 117–129.
L. Czerepowicz, B.S. Case, C. Doscher, Using satellite image data to estimate aboveground
shelterbelt carbon stocks across an agricultural landscape, Agriculture, Ecosystems &
Environment, Volume 156, 1 August 2012, Pages 142-150.
Patrick Gonzalez, Gregory P. Asner, John J. Battles, Michael A. Lefsky, Kristen M.
Waring, Michael Palace, Forest carbon densities and uncertainties from Lidar, QuickBird,
and field measurements in California, Remote Sensing of Environment, Volume 114, Issue
7, 15 July 2010, Pages 1561-1575.
V. Ramanathan, Y. Feng, Air pollution, greenhouse gases and climate change: Global and
regional perspectives, Atmospheric Environment 43 (2009) 37–50.
Susan G. Conard and Galina A. Ivanova, Wildfire in russian boreal forests potential
impacts of fire regime characteristics on emissions and global carbon balance estimates,
Environmental Pollution 1997, Vol. 98, No. 3, pp. 305±313.
R.A Houghton, Carbon emissions and the drivers of deforestation and forest degradation in
the tropics, Current Opinion in Environmental Sustainability, Volume 4, Issue 6, December
2012, Pages 597-603.
Y.-H. Zhang, M.J. Wooster, O. Tutubalina, G.L.W. Perry, Monthly burned area and forest
fire carbon emission estimates for the Russian Federation from SPOT VGT, Remote
Sensing of Environment, Volume 87, Issue 1, 15 September 2003, Pages 1-15.
A. Carvalho, A. Monteiro, M. Flannigan, S. Solman, A.I. Miranda, C. Borrego, Forest fires
in a changing climate and their impacts on air quality, Atmospheric Environment, Volume
45, Issue 31, October 2011, Pages 5545-5553.
S.Wang, Y. Zhou, & L. Wang, A research on fire automatic recognition using MODIS data.
In: IEEE International Geoscience and Remote Sensing Symposium, (2003). (IGARSS03),
4. Toulouse, France: IGARSS. 2502–2504.
Patrick H. Freeborn, Martin J. Wooster, Gareth Roberts, Addressing the spatiotemporal
sampling design of MODIS to provide estimates of the fire radiative energy emitted from
Africa, Remote Sensing of Environment, Volume 115, Issue 2, 15 February 2011, Pages
475-489.
Wisdom M. Dlamini, Characterization of the July 2007 Swaziland fire disaster using
satellite remote sensing and GIS, Applied Geography 29 (2009) 299–307.
Silvia Merino-de-Miguel, Margarita Huesca, Federico González-Alonso, reflectancia
MODIS de incendios activos y los datos para el mapeo de quemadura y evaluación a nivel
regional, Ecological Modelling, Volume 221, Issue 1, 10 de enero de 2010, páginas 67-74.
Krishna Prasad Vadrevu, Evan Ellicott, K.V.S. Badarinath, Eric Vermote, MODIS derived
fire characteristics and aerosol optical depth variations during the agricultural residue
burning season, north India, Environmental Pollution, Volume 159, Issue 6, June 2011,
Pages 1560-1569.
Eduardo Eiji Maeda, Antonio Roberto Formaggio, Yosio Edemir Shimabukuro,Gustavo
Felipe Balue´ Arcoverde, Matthew C. Hansen Predicting forest fire in the Brazilian
Amazon using MODIS imagery and artificial neural networks, International Journal of
Applied Earth Observation and Geoinformation 11 (2009) 265–272.
Jean-François Mas (coordinador) Aplicaciones del sensor MODIS para el monitoreo del
territorio, Secretaría de Medio Ambiente y Recursos Naturales (Semarnat), Instituto
Nacional de Ecología (INE), Universidad Nacional Autónoma de México (UNAM) Centro
de Investigaciones en Geografía Ambiental (CIGA), 2011.
O. Rodriguez y H. Arredondo, Manual para el manejo y procesamiento de imágenes
satelitales obtenidas del sensor remoto MODIS de la NASA, aplicado en estudios de
Ingeniería Civil, 2005.
L. Taborda, Detección de emisiones generadas por incendios forestales y quema de
residuos agrícolas a partir de la energía y la potencia radiactiva del fuego, 2013.
Instituto Nacional de Pesquisas Espaciais (http://www.inpe.br/).
Mauricio Edilberto Rincón-Romero, Andy Jarvis, Mark Mulligan, Cobertura Vegetal de
Colombia Actualizada a Partir de Imágenes Modis, Disponible a Través de Renata, Vol. 2,
pp 12.
J. Barrero, L. Giraldo implementación de una red neuronal para la clasificación de
coberturas terrestres en imágenes Modis, 2012.
M. Bastidasa,b y E. Rodríguez-Rubio, Validación de la concentración de clorofila a
generada por el sensor modis-aqua con datos in situ en el pacífico colombiano, REVISTA
COLOMBIANA DE FÍSICA, VOL. 38, No. 2. 2006.
Jimmy A. Navia, Olga L. Baquero, Diseño e implementación de una metodología para el
monitoreo de los cuerpos de agua en la región de la Mojana, utilizando productos MODIS y
software libre.
J. Anaya, E. Chuvieco, A. Palacios, Método basado en teledección para estimar la emisión
de gases efecto invernadero por quema de biomasa, Revista Ingenierias Universidad de
Medellin, pp 13-18.
W. Seiler, y P.J. Crutzen, “Estimates of gross and net fluxes of carbon between the
biosphere and the atmosphere from biomass burning,” Climate Change, Vol. 2, pp 207-247,
1980.
Christine Wiedinmyer, Brad Quayle, Chris Geron, Angie Belote, Don McKenzie, Xiaoyang
Zhang, Susan O’Neill, Kristina Klos Wynne, Estimating emissions from fires in North
America for air quality modeling, Atmospheric Environment, Volume 40, Issue 19, June
2006, Pages 3419-3432.
J. Anaya, Estimación mensual de emisiones por biomasa quemada para Colombia basado
en imágenes de satélite, 2009.
The United States Geological Survey (USGS) http://glovis.usgs.gov/ , 2013.
C. Hinestroza Mejoramiento de la calidad de imágenes MODIS por medio de series de
tiempo usando la herramienta TiSeG, 2012.
Instituto Geográfico Agustin Codazzi http://sigotn.igac.gov.co/sigotn/,2013.
C. Rullán, A. Olthoff, L. Cama, E. Perez, A. Galindo, Discriminación de umbrales de áreas
quemadas mediante imágenes Landsat TM, en la reserva de la Biosfera Pantnos de Centla.
Wildfire today http://wildfiretoday.com/2013/08/21/california-rim-fire-west-of-yosemite-
np/, 2013.
Incident Information Sistem http://www.inciweb.org/incident/3660/, 2013.
Instituto cartográfico de Cataluña (http://www.icc.cat/esl/Home-ICC/Mapas-escolares-y-
divulgacion/Preguntas-y-respuestas/Que-es-NDVI)
E. Chuvieco, O. Viedma, Cartografía y Evaluación de Daños Causados por Incendios
Forestales Mediante Técnicas de Teledetección.
K. Neumann, M. Herold, A. Hartley, C. Schmullius, Comparative assessment of
CORINE2000 and GLC2000: Spatial analysis of land cover data for Europe, International
Journal of Applied Earth Observation and Geoinformation, Volume 9, Issue 4, December
2007, Pages 425-437.
IDEAM, Informe – Fenómeno de El Niño, segunda temporada de lluvias. Colombia.Julio‐
octubre 2009.
J. Anaya, E. Chuvieco, Accuracy Assessment of Burned AreaProducts in the Orinoco
Basin, Photogrammetric Engineering & Remote Sensing Vol. 78, No. 1, January 2012, pp.
53–60.
Top Related